[發明專利]一種基于機器學習的參數優化方法、裝置、設備及介質

有效

• 申請號: 202110694884.5
• 申請日: 2021-06-23
• 公開（公告）號: CN113343577B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 張焱凱;吳夢穎;張景逸
• 申請（專利權）人: 平安國際融資租賃有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06F111/06
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 黃勝波

本發明涉及人工智能領域，公開了一種基于機器學習的參數優化方法、裝置、設備及介質，包括：將目標參數的值及在值下的反饋信息的流量值整合成歷史散點，匯總歷史散點得到散點圖；通過回歸模型對散點圖進行運算得到回歸直線或回歸曲線；根據回歸直線或回歸曲線計算目標模型的極值并將極值對應目標參數的值設為初始數據，將目標對象的目標參數的值修改為初始數據；采集目標對象在試驗期間內的迭代反饋信息，并根據目標參數和迭代反饋信息對目標參數的值進行迭代處理，直至獲得的目標參數的值滿足目標模型的收斂條件并將其作為目標對象的目標參數。本發明實現了獲得最大程度適應歷史散點和當前環境最優的目標參數的技術效果。

技術領域

本發明涉及人工智能的機器學習技術領域，尤其涉及一種基于機器學習的參數優化方法、裝置、設備及介質。

背景技術

隨著互聯網的高速發展，很多目標對象（諸如：設備、商業產品、金融產品等）的參數優化通常也會采用計算機模型，對其進行優化運算以得到用戶所需的最優參數。

當前的技術通常是采用基于歷史數據對參數進行分析，獲得歷史數據中最優的參數并將其作為目標對象的優化參數，然而發明人意識到，這種方式僅能夠獲得基于歷史數據的最優的優化參數，而無法獲得基于歷史數據和當前環境下獲得最優的優化參數，導致參數優化不精準。

發明內容

本發明的目的是提供一種基于機器學習的參數優化方法、裝置、設備及介質，用于解決現有技術存在的無法獲得基于歷史數據和當前環境下獲得最優的優化參數，導致參數優化不精準的問題。

為實現上述目的，本發明提供一種基于機器學習的參數優化方法，包括：

獲取目標對象的目標參數和反饋信息，將所述目標參數的值及在所述值下的反饋信息的流量值整合成歷史散點，匯總所述歷史散點得到散點圖；

通過預置的回歸模型對所述散點圖進行運算得到回歸直線或回歸曲線；根據所述回歸直線或回歸曲線中，所述目標參數的值和所述反饋信息的流量值之間的函數關系，計算預置的目標模型的極值并將所述極值對應的目標參數的值設為初始數據，將所述目標對象的目標參數的值修改為所述初始數據；

通過預置的機器學習模型采集所述目標對象在預置的試驗期間內的迭代反饋信息，并根據改為所述初始數據的目標參數和所述迭代反饋信息對所述目標參數的值進行迭代處理，直至獲得的目標參數的值滿足所述目標模型的收斂條件，將滿足所述收斂狀態的值作為所述目標對象的目標參數；其中，所述收斂條件是指通過所述目標參數的值和所述迭代反饋信息，使所述目標模型的目標值趨向收斂于衡定極值的狀態的情況。

上述方案中，所述獲取目標對象的目標參數和反饋信息之前，所述方法還包括：

輪詢平臺系統的業務信息的反饋信息，識別流量值符合預置的平衡策略的反饋信息，并將所述反饋信息所對應的業務信息設為目標對象。

上述方案中，所述輪詢平臺系統的業務信息的反饋信息，識別流量值符合預置的平衡策略的反饋信息，并將所述反饋信息所對應的業務信息設為目標對象的步驟包括：

將從平臺系統的表現層中獲取業務信息，并根據所述業務信息從所述平臺系統的數據訪問層中獲取所述業務信息的反饋信息；

判斷所述反饋信息的流量值是否符合所述平衡策略；

若是，則將所述業務信息設為目標對象；

若否，則從所述表現層中獲取下一業務信息。

上述方案中，所述判斷所述反饋信息的流量值是否符合所述平衡策略的步驟，包括：

提取所述平衡策略中預定義的流量閾值；

判斷所述流量值是否大于或等于所述流量閾值；

若是，則判定所述流量值符合所述平衡策略；